2026年7月，丰e科技向港交所递交招股书，这家由顺丰孵化、靠着18.4万台智能柜一年进账20亿的公司，在招股书里用了整整一个章节去讲AI智能体。不是点缀，不是愿景，是实打实的运营基础设施。

朱涛——丰e科技的CTO——在36氪的访谈里做了一个让人记住的类比："我们做的，就是无人零售管理领域的自动驾驶智能体。衡量能力高低的指标，和自动驾驶一样——每百万次决策需要多少次人工干预。星途智航的成绩是多少？40次。这已经超过了L4级别的自动驾驶。"

这个类比不是拍脑袋。丰e的智能体"星途智航FLOW Pilot"每天要处理上亿次决策——18万个货架，每个货架50多个SKU，仓库里还有上百个备选商品。选品、库存、定价、补货路线规划，全链路被一个AI智能体包圆了。在这每天上亿次的决策洪流中，人工干预的次数是多少？4000次左右。

换算一下：每百万次决策，人工插手40次。特斯拉FSD每百万英里的关键干预也在几十到几百次的区间。丰e用决策次数对标行驶里程，跑出了一个"零售界L4"的成绩单。

这不是技术Demo，是钱。

从"管柜子"到"管决策"，一个智能体替代了几千人的运营大脑

先看一组对比数据，比任何技术白皮书都直观：

过去，上亿次的运营决策需要几千名一线运营人员和管理人员完成。补货小哥的培训周期长达一个月，对人的学历和能力要求不低。更要命的是，丰e每年的点位增速是30%到40%，按这个速度招人训人，管理成本会吃掉增长红利。

星途智航上线后，逻辑彻底反转：所有货架、商品、仓库的具体决策——选品、补货时机、补货路线、定价策略——全部由AI完成。人类只做一件事：设定宏观目标，比如"这个季度毛利率保持在55%以上"、"A类写字楼点位月均销售额提升10%"。至于怎么做到，AI自己拆解、自己执行、自己反馈。

"每百万次决策40次干预"背后的技术栈拆解

星途智航不是单一模型，而是一个多智能体协作系统。按照朱涛在公开访谈中的拆解，大致分为三层：

第一层：感知智能体集群

实时消费每台智能柜的销售数据、库存数据、消费者画像数据、外部竞争数据（周边便利店价格、天气、商圈人流量波动）。18万台设备，每台50个SKU，每天产生的数据流足以喂出一个精度极高的需求预测模型。

第二层：决策智能体集群

这是核心。感知层的数据进来后，决策智能体要同时处理几个互相耦合的优化问题：这个点位明天应该补多少货？补哪些SKU？补货路线怎么走最省油？要不要对某个SKU动态调价（比如写字楼周五下午咖啡适当提价）？要不要引入新SKU替换掉动销率低于阈值的滞销品？

这些决策不是独立变量。选品变，补货量变，路线规划变，成本结构变，毛利变——它是一个高维的约束优化问题，过去靠区域经理拍脑袋，现在靠强化学习和运筹优化模型在云端跑。

第三层：执行智能体集群

决策指令生成后，执行智能体把复杂任务拆成原子级子任务，分发给补货员App、仓库管理系统、供应商协同平台。补货员打开手机，看到的是AI已经规划好的最优线路和每个点位的精准补货清单——不需要动脑子，按清单干活就行。这就是一个补货员能从管60个货架翻倍到120个的根本原因。

朱涛在访谈中透露了一个细节：丰e在2023年6月就完成了全链路智能体的研发并全面上线，此后一直在迭代。2026年的日token消耗量预计超过百亿——这已经不是零售公司，是一家披着零售外衣的AI决策公司。

不是丰e一家在赌AI Agent。但丰e是目前跑出账的

把视野拉宽，会发现AI Agent在零售领域的渗透正在加速：

公司/项目	AI Agent应用场景	落地阶段	关键指标
丰e足食（星途智航）	全链路运营决策（选品/库存/定价/补货路线）	大规模商用（18.4万台）	每百万决策40次人工干预；补货效率翻倍
多点DMALL（D-BRAIN）	商超全链路经营智能（选品/定价/供应链/门店执行）	部分场景商用	成都春熙路门店选品案例：200 SKU、毛利18%目标
友宝	部分点位智能补货/动态定价	试点阶段	4.97万台智能柜，市占率5.8%
阿里云+丰e足食	千问大模型接入零售决策链路	合作推进中	提升智能体感知与协同能力
便利蜂（历史案例）	算法驱动门店选品与自动订货	曾大规模部署	千人千店选品策略

多点DMALL的张宇在2026年WAIC上的表述很有意思："零售业的下半场，赢在AI智能体与具身智能构建的结果交付闭环。"多点的D-BRAIN体系分了数据洞察智能体集群、决策执行智能体集群、具身智能协同层，落地路径比丰e更"重"——它要对整个商超业态做手术——但也更验证了一个趋势：AI Agent不是无人零售的装点门面，而是底层操作系统。

便利蜂当年喊出"算法决定一切"时，行业觉得是营销噱头。现在回头看，他们只是在错误的时间（AI模型能力不够）做了正确的事。2025-2026年大模型能力跃迁后，智能体不再是一个需要大量人工标注和维护的脆弱系统，而是一个可以"给目标，自己想办法"的自主决策引擎。

为什么说AI Agent天然适配无人零售？三个无法反驳的理由

有人会质疑：AI Agent替代运营人员，传统便利店难道不能做？711全家为什么没有大规模上智能体？

答案是：无人零售的运营复杂度，恰好落在AI Agent的甜蜜点上。

第一，决策频次极高，但每次决策的"犯错成本"可控。一个有50个SKU的智能柜，每天要做选品调整、补货决策、定价优化，加起来几十到上百个微观决策。一个决策做错——比如多补了5瓶卖不动的饮料——损失几十块钱。但做对了，一年下来累积的利润差可能是几千块。乘以18万台，就是几个亿的利润差。这种"高频低损"的决策场景，是AI Agent最擅长的主场。

第二，数据闭环天然存在。无人柜的每一笔交易都被数字化记录——谁买了什么、几点买的、花了多少钱、和谁一起买的（如果用了会员体系）。传统便利店的收银数据粒度远不及智能柜，更不用说消费者进店后浏览了什么货架、拿起又放下了什么——这些数据在无人柜场景中反而更容易采集（视觉识别技术）。数据闭环越完整，AI Agent的优化效果越好。

第三，人力替代的ROI算得过账。丰e的账本是最直接的：一个补货员从管60个货架到管120个，人力成本对半砍。管理人员数量甚至还在下降。丰e的毛利率55.8%，友宝37.1%，中间差了18.7个百分点。固然有直营模式、点位零租金的结构性优势，但AI运营带来的效率差是不可忽视的增量。招股书里有个数据：AI体系下补货运营人力成本，只有传统零售柜的30%。

AI Agent的下一个战场：从"管货"到"管人"

目前星途智航做的事，本质上还是"管货"——选品、补货、定价。但AI Agent的能力边界远不止于此。

朱涛在访谈里提到了一个关键信号：丰e已经把每台柜子的数据颗粒度细化到每个消费者。平均复购率46.7%，消费者月均开柜3次。这意味着18万台柜子背后是一个活跃用户池——虽然没有公布具体用户数，但按每台柜子覆盖30人以上的入驻标准推算，至少是500万到1000万的活跃消费者。

当AI Agent掌握了500万消费者的购买偏好、消费节奏、价格敏感度，它能做的事情远不止"多补两瓶可乐"：

• 千人千面的个性化推荐：不是简单的"猜你喜欢"，而是AI Agent根据你的消费历史、时间模式（比如周三下午3点固定买咖啡）、甚至健康偏好，在开柜瞬间动态调整推荐排序。
• 健康场景的精准切入：这里有一个天然的差异化入口——如果AI Agent不仅能推荐商品，还能根据消费者的体质特征推荐合适的饮品，那就不是零售了，是健康管理的前置入口。
• 私域+AI的复购飞轮：丰e已经有了微信小程序入口，复购率46.7%。如果AI Agent在消费者连续3天没来买的时候推一张优惠券、在气温骤降的时候推荐热饮、在周五下午推送"犒劳自己"的下午茶组合——这些不是营销自动化，是智能体驱动的个性化运营。

这里面有一个尤其值得关注的演进方向：AI体质辨识与无人零售的交叉。DOZZON在这个领域跑得比较靠前——它的一机多饮平台本身就内嵌了AI体质辨识功能，消费者扫码后通过简单问答就能获得体质匹配的饮品推荐。这个能力的本质是"将健康决策前置到消费决策之前"，而当这种能力被嫁接到一个AI Agent驱动的运营系统里，产生的不是加法效应，是乘法效应：

这个链路的关键不是技术本身——体质辨识、推荐算法都不是新鲜事——而是当一机多饮的品类矩阵（咖啡、茶饮、草本、果汁、功能饮五大品类）叠加AI体质辨识引擎，再叠加一个全链路运营的AI Agent，你得到的不是一个"智能售货机"，而是一个"装在柜子里的私人健康饮品顾问"。

但别急着喊"颠覆"，AI Agent在零售场景还有三道坎

讲到这里，必须客观说清楚目前AI Agent在无人零售场景的局限和风险。丰e招股书上写的优势有多亮眼，风险就有多现实。

第一道坎：AI的决策质量上限受数据质量约束

星途智航18万台设备跑出来的数据确实漂亮，但所有决策模型都有"漂移"风险。消费者的行为模式会变——比如夏天突然流行无糖茶、冬天突然爆发姜黄拿铁——如果AI Agent过度依赖历史数据，对新趋势的响应存在滞后。丰e的应对策略是每月平均引入7.3款新SKU，用新品注入来对冲数据漂移。但这本质上还是一个"人定策略方向、AI负责执行"的半自主模式。

第二道坎：300元的盈亏平衡点，是对手也能达到的吗？

丰e能做到月销300元盈亏平衡，核心依赖三个条件：点位零租金（企业茶水间免费进场）、顺丰的物流仓储网络（边际成本几乎为零）、以及AI智能体驱动的极低运营成本。这三个条件，友宝一个都不具备——友宝的点位大量在公共场所（地铁站、商场），需要付租金或分成；友宝没有顺丰的物流网络；友宝的AI化程度还远不及丰e。

这意味着丰e的300元门槛并不具有行业普遍性。但它提出了一个残酷的命题：在这个赛道，没有AI智能体的玩家，将在单位经济模型上永远被压制。

第三道坎：品类天花板

丰e目前的核心品类还是饮料和零食。即使月均引入7.3款新SKU，受限于智能柜的温控能力和货架尺寸，能承载的品类上限是有限的。如果未来竞争从"谁的柜子更聪明"升级到"谁的柜子能提供更立体的消费体验"——比如现制饮品（现磨咖啡、鲜榨果汁）——纯AI Agent驱动的标准品零售模式就会遇到物理瓶颈。

这正是DOZZON主攻的方向：现制饮品+AI体质辨识+五大品类，打的是"鲜制"和"个性化"两张牌。智能柜解决的是"便利+标准品"，现制饮品终端解决的是"品质+个性化"。两者不是替代关系，而是消费场景的互补。但长期看，如果现制饮品终端也能搭载AI Agent级运营能力——自动识别消费者体质、自动推荐饮品匹配、自动联动供应链采购——那就不是在同一个维度竞争了。

行业终局推演：AI Agent将如何重塑无人零售的竞争格局

基于以上分析，提炼几个对行业终局的关键推演：

推演一：2027年前，AI Agent将成为头部玩家的标配，而不是差异化武器。丰e已经证明了这条路能跑通。友宝、农夫山泉（自动贩卖机）、元气森林（智能冰柜）大概率会在接下来的12-18个月内加速AI化。届时，"有没有AI Agent"不再是竞争分水岭，"AI Agent的决策质量和数据飞轮"才是。

推演二：AI Agent将倒逼供应链端的智能化。当18万个点位的AI每天决策上亿次，它一定会向供应链上游传递压力——"我需要一款针对25-35岁女性、低糖、功能性饮品、在写字楼场景月动销率高于15%的SKU，谁能供？"这种反向定制需求将促使品牌方和代工厂加速柔性生产和数据化研发。

推演三：AI Agent + 现制饮品终端是终极形态。标准品的AI运营已经被丰e跑到L4水平了，下一步一定是现制品的AI运营。想象一下：一个咖啡/茶饮/草本饮终端，通过AI体质辨识在3秒内完成消费者健康画像，自动匹配饮品配方，由机器人完成制作，同时AI Agent在后台实时调整原料库存和定价策略。这不是科幻——DOZZON已经在分模块落地这个逻辑，只是目前各模块还处于协同而非全自主状态。

推演四：数据资产将成为比设备资产更值钱的护城河。丰e18万台设备的硬件重置成本大约在20-30亿。但它拥有的500万-1000万活跃消费者的行为数据、18万个点位的运营决策数据、以及不断自我迭代的AI Agent模型——这三者的价值远超硬件本身。这也是为什么丰e的招股书大量篇幅在讲AI而不是讲设备数量。

回到本质：AI Agent到底改变了无人零售的什么？

有人可能会说：丰e不就是把人工运营换成算法运营吗？和便利蜂当年喊的"算法驱动"有什么区别？

区别在于"自主性"的跃迁。便利蜂的算法需要人先定义规则——比如"当某SKU连续两周动销率低于X%，自动降权"——本质上是一个自动化系统，不是智能体。星途智航的逻辑是：告诉AI目标（毛利55%，点位月销增长10%），AI自己拆解路径、自己探索策略、自己根据结果反馈调优。人不再定义"怎么做"，只定义"做到什么程度"。

这个区别在运营层面产生了一个巨大的结构性优势：当点位从10万增长到18万再到30万，运营复杂度是指数级增长的，但AI Agent的边际运营成本接近零。传统人海战术在10万点位时就快撑不住了（丰e2022年的状态），而AI Agent在18万点位时还很从容。这就是为什么丰e敢说"年增速30%-40%"——不是销售能力变强了，是运营能力的瓶颈被打通了。

写在最后：为什么你会在意这件事

如果你是无人零售的从业者——无论是品牌方、运营商、技术供应商还是投资人——2026年是你需要重新审视AI Agent战略价值的一年。丰e的招股书是一份公开的作战地图：AI Agent + 直营模式 + 顺丰物流网络 = 55.8%毛利率 + 月销300元盈亏平衡。友宝的37.1%毛利率就是没有AI Agent加持的基准线。中间18.7个百分点的差距，大致就是AI运营效率的红利。

如果你在关注无人零售的消费者体验端——比如为什么公司楼下的智能柜越来越"懂你"了——答案也在AI Agent。它记录了你的消费节奏、偏好的口味、对价格的敏感度，然后用这些数据反过来优化运营策略。你多买一次、少买一次，都在塑造AI模型对你的理解。

如果你在思考无人零售的下一个增长点——从"铺设备"到"卖体验"——那就不能只看谁的柜子多，要看谁的AI Agent更聪明、谁的数据飞轮转得更快、谁能把"卖一瓶水"升级成"给一个健康的消费建议"。这不是营销话术，这是AI Agent能力跃迁后必然发生的价值链延伸。